Сотрудники НИЯУ МИФИ, в сотрудничестве с экспертами из Института искусственного интеллекта AIRI и Ивановского государственного энергетического университета, создали технологию, основанную на искусственном интеллекте, для оперативного анализа инцидентов в электросетях.
В настоящее время, при возникновении короткого замыкания или иной неисправности, защитные устройства создают осциллограмму — своего рода «снимок» состояния электросети во время аварийной ситуации. Однако для определения причины инженерам необходимо вручную переносить эти данные на внешний носитель, транспортировать их в офис или передавать производителю оборудования. Этот процесс может занимать от нескольких часов до нескольких дней.
Специалисты из МИФИ представили инновационное решение. Созданная ими каскадная архитектура нейронных сетей позволяет обрабатывать сигналы с высокой частотой дискретизации непосредственно в точке их получения – на подстанции, на периферийных устройствах.
«Нами была создана концепция, включающая в себя несколько моделей. Благодаря своей легкости, эти модели демонстрируют высокую скорость работы, что позволяет обнаруживать высокочастотные сигналы. Второй этап предполагает использование более ресурсоемких моделей, которые аккуратно отмечают временные метки на осциллограмме», — пояснил младший научный сотрудник Института интеллектуальных кибернетических систем НИЯУ МИФИ Александр Коваленко.
В дополнение к техническим моделям, исследователи предлагают использовать языковые модели искусственного интеллекта. Они будут автоматически генерировать понятные для человека отчёты и передавать их в центр управления.
«В отчётах будет указано место аварии, характер поломки и планируемые мероприятия, — пояснил Коваленко. По словам ученого, весь процесс диагностики занимает лишь малую долю секунды. Это позволяет перейти от работы в реактивном режиме к непрерывному контролю состояния электросетей.
Стоит отметить, что достижение стало возможным благодаря образовательной деятельности. Первоначально партнёры из Ивановского энергетического университета стремились выяснить, способен ли искусственный интеллект идентифицировать события на осциллограммах. К решению этой задачи привлекли студентов МИФИ.
«В рамках выполнения дипломных работ многие студенты участвовали в нашем проекте. Изначально мы хотели лишь попробовать возможности машинного обучения, однако в итоге разработали целую концепцию, которая может представлять собой прототип решения, применимого на практике, – отметил Александр Коваленко.
По его мнению, ключевое преимущество такого сотрудничества заключается в использовании подлинных данных, а не искусственно созданных наборов данных из сети. В настоящее время разработка находится на уровне прототипа, однако уже привлекает внимание специализированных энергетических компаний, стремящихся к повышению надёжности и автоматизации своих сетей.